Se você ama um site, faça backup dele
O arquivamento de sites pessoais está surgindo como resposta ao link rot acelerado, à “enshittification” corporativa e às barreiras crescentes de scraping impulsionadas por IA, que ameaçam a longevidade e a acessibilidade do conteúdo online. Os comentaristas trocam ferramentas e fluxos de trabalho — de SingleFile, ArchiveBox, Linkding, Linkwarden, Hister, HTTrack e wget a clipadores do Obsidian e scripts personalizados — enquanto debatem o que vale a pena preservar: sites inteiros, apenas o texto legível ou até formatos transformados como ebooks e PDFs. Muitos enfatizam fazer backup do que realmente valorizam (incluindo vídeos e fóruns de nicho), fazê-lo com educação para não sobrecarregar os sites e não depender apenas de serviços centralizados como o Internet Archive ou plataformas comerciais para preservar o registro digital.
Link rot e motivação
- Muitos comentaristas descrevem um extenso link rot em décadas de favoritos, coleções de imagens, fóruns de nicho, páginas de disciplinas universitárias e sites pessoais.
- As pessoas lamentam ter assumido que sites ou plataformas queridos (arquivos de fanfic, portais de vídeo universitários, sites da era Angelfire/Blogspot, wikis técnicas de nicho, blogs independentes de música) estariam “sempre lá”.
- A cobertura do Internet Archive é elogiada, mas muitas vezes incompleta, bloqueada por robots.txt ou sem imagens/arquivos.
- Vários mencionam perdas dolorosas de informações técnicas únicas, arte, música e conquistas pessoais que agora são irrecuperáveis.
Ferramentas e fluxos de trabalho para arquivamento
- Combinação popular: SingleFile baseado no navegador + um gerenciador de favoritos auto-hospedado (Linkding, Linkwarden, Karakeep) para armazenar capturas HTML; alguns também salvam PDFs e capturas de tela.
- Ferramentas mais pesadas: ArchiveBox (reescrito recentemente, compatível com muitos formatos e arquivamento em grande escala), Hister (busca de histórico web pessoal com captura de HTML), Zotero (usando SingleFile), Monolith, HTTrack, grab-site, crawlers personalizados.
- Abordagens mais simples: imprimir para PDF, capturas de tela, clipadores de markdown, Obsidian Web Clipper, ebooks via “save-as-ebook”, wget para sites de cursos estáticos.
- Alguns criam ferramentas ou bookmarklets personalizados para enviar páginas ao Internet Archive e a repositórios pessoais.
Desafios técnicos
- A complexidade da web moderna (SPAs, renderização em JS, anti-scraping, Cloudflare, CAPTCHAs) quebra muitos arquivadores do lado do servidor.
- A captura do lado do cliente (extensões de navegador que enviam páginas renderizadas) é vista como a forma mais confiável de contornar essas defesas.
- HTML vs conteúdo: vários defendem focar em extrair o texto/conhecimento central (reader modes, Readability.js, markdown) em vez de espelhar o site inteiro.
- Escalabilidade e manutenção de sistemas auto-hospedados são pontos problemáticos recorrentes.
Ética, legalidade e efeitos no ecossistema
- O conselho é rastrear com educação e devagar para evitar sobrecarregar sites pequenos.
- Há preocupação de que crawlers agressivos de IA/SEO já estejam levando sites a se fecharem, tornando o arquivamento pessoal mais difícil.
- Backups privados para uso pessoal são amplamente considerados legalmente tranquilos; redistribuição é vista como outra questão.
- Alguns destacam a fragilidade do armazenamento pessoal (bitrot em CDs/DVDs, discos com falha) e enfatizam backups múltiplos.
Divisões filosóficas e preocupações futuras
- Tensão entre “arquive tudo o que você ama” e “aceite que algumas coisas devem desaparecer; evite acumular demais”.
- Alguns enfatizam imprimir e comprar livros como o arquivo definitivo de longo prazo.
- Vários temem que, à medida que LLMs e plataformas fechadas substituem a web aberta e a busca, atores centralizados possam distorcer sutilmente ou “reescrever” a história acessível, fortalecendo o caso de arquivos pessoais.